改进YOLOv5的合成孔径雷达图像舰船目标检测方法 |
| |
引用本文: | 贺翥祯,李敏,苟瑶,杨爱涛.改进YOLOv5的合成孔径雷达图像舰船目标检测方法[J].系统工程与电子技术,2023(12):3743-3753. |
| |
作者姓名: | 贺翥祯 李敏 苟瑶 杨爱涛 |
| |
作者单位: | 1. 火箭军工程大学作战保障学院;2. 国防科技大学信息与通信学院 |
| |
基金项目: | 国家自然科学基金(62006240)资助课题; |
| |
摘 要: | 针对合成孔径雷达图像目标检测易受噪声和背景干扰影响,以及多尺度条件下检测性能下降的问题,在兼顾网络规模和检测精度的基础上,提出了一种改进的合成孔径雷达舰船目标检测算法。使用坐标注意力机制,在确保轻量化的同时抑制了噪声与干扰,以提高网络的特征提取能力;融入加权双向特征金字塔结构以实现多尺度特征融合,设计了一种新的预测框损失函数以改善检测精度,同时加快算法收敛,从而实现了对合成孔径雷达图像舰船目标的快速准确识别。实验验证表明,所提算法在合成孔径雷达舰船检测数据集(synthetic aperture radar ship detection dataset, SSDD)上的平均精度均值达到96.7%,相比于YOLOv5s提高1.9%,训练时收敛速度更快,且保持了网络轻量化的特点,在实际应用中具有良好前景。
|
关 键 词: | 合成孔径雷达 目标检测 YOLOv5 注意力机制 多尺度融合 |
|
|